전자공학회논문지CI (Journal of the Institute of Electronics Engineers of Korea CI)

대한전자공학회 (The Institute of Electronics and Information Engineers)
권호 표지

Otsu의 방법을 개선한 멀티 스래쉬홀딩 방법

A Multi-thresholding Approach Improved with Otsu's Method

  • 이철학 (명지대학교 컴퓨터공학과) ;
  • 김상운 (명지대학교 컴퓨터공학과)
  • Li Zhe-Xue (Dept. of Computer Engineering, Myongji University) ;
  • Kim Sang-Woon (Dept. of Computer Engineering, Myongji University)
  • 발행 : 2006.09.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

스레쉬홀딩(thresholding)은 영상 화소의 군집이나 강도를 이용하여 영상을 분할하는 기본 기술이다. Otsu의 스레쉬홀딩 방법에서는 정규화 된 히스토그램을 이산 밀도함수로 보아 화소의 클래스 간 분산을 최대화시키는 판별식을 이용한다. 그러나 Otsu의 방법에서는 여러 객체로 이루어진 영상에서 최적의 스레쉬홀드를 찾기 위하여 그레이레벨 전 구간에 대해 모든 가능한 분산 값을 반복적으로 계산해 보아야 하기 때문에 계산 시간이 길게 걸리는 문제가 있다. 본 논문에서는 Otsu의 방법을 개선하여 간단하지만 고속으로 멀티-레벨의 스레쉬홀드 값을 구할 수 있는 방법을 제안한다. 전체 그레이 구간 영역에 대하여 Otsu의 방법을 적용시키기 보다는 먼저 그레이 영역을 작은 부분-구간으로 나눈 다음 Otsu의 방법을 적용시키는 처리를 반복하여 원하는 개수의 스레쉬홀드를 구하는 방법이다. 본 제안 방법에서는 맨 처음 대상 영상의 그레이 구간을 2부류로 나눈다. 이 때, 분할을 위한 스레쉬홀드는 전 구간을 대상으로 Otsu의 방법을 적용하여 구한다. 그 다음에는 전체 구간이 아닌 분할된 부분-구간을 대상으로 Otsu의 방법을 적용하여 두 부류를 4부류로 나눈다. 이와 같은 처리를 원하는 개수의 스레쉬홀드를 얻을 때 까지 반복한다. 세 종류 벤취마크 영상과 50개 얼굴영상에 대해 실험한 결과, 제안 방법은 대상 영상을 특성에 맞게 고속으로 잘 분할하였으며, 패턴 매칭이나 얼굴인식에 이용될 수 있는 가능성을 확인하였다.

Thresholding is a fundamental approach to segmentation that utilizes a significant degree of pixel popularity or intensity. Otsu's thresholding employed the normalized histogram as a discrete probability density function. Also it utilized a criterion that minimizes the between-class variance of pixel intensity to choose a threshold value for segmentation. However, the Otsu's method has a disadvantage of repeatedly searching optimal thresholds for the entire range. In this paper, a simple but fast multi-level thresholding approach is proposed by means of extending the Otsu's method. Rather than invoke the Otsu's method for the entire gray range, we advocate that the gray-level range of an image be first divided into smaller sub-ranges, and that the multi-level thresholds be achieved by iteratively invoking this dividing process. Initially, in the proposed method, the gray range of the object image is divided into 2 classes with a threshold value. Here, the threshold value for segmentation is selected by invoking the Otsu's method for the entire range. Following this, the two classes are divided into 4 classes again by applying the Otsu's method to each of the divided sub-ranges. This process is repeatedly performed until the required number of thresholds is obtained. Our experimental results for three benchmark images and fifty faces show a possibility that the proposed method could be used efficiently for pattern matching and face recognition.

키워드

참고문헌

  1. B. Sankur, M. Sezgin, 'Survey over image thresholding techniques and quantitative and quantitative performance evaluation', Journal of Electronic Imaging, vol. 13, no. 1, pp. 146-165, 2004 https://doi.org/10.1117/1.1631315
  2. C. -C. Chang, L. -L. Wang, 'A fast multilevel thresholding method based on lowpass and highpass filtering', Pattern Recognition Letters, vol. 18, pp. 1469-1478, 1997 https://doi.org/10.1016/S0167-8655(97)00134-7
  3. D. -M. Tsai, 'A fast thresholding selection procedure for multimodal and unimodal historgrams', Pattern Recognition Letters, vol. 16, pp. 653-666, 1995 https://doi.org/10.1016/0167-8655(95)00005-2
  4. P. -S. Liao, T. -S. Chen, P. -C. Chung. 'A fast algorithm for multilevel thresholding', Journal of Information Science and Engineering vol. 17, pp. 713-727, 2001
  5. N. Otsu, 'A threshold selection method from gray-level histogram', IEEE Trans. on System Man Cybernetic, vol. SMC-9, no. 1, pp. 62-66, 1979
  6. J. Gong, L. -Y. Li, W. -N. Chen, 'Fast recursive algorithm for two-dimensional thresholding', Pattern Recognition, vol. 31, no. 3, pp. 295-300, 1998 https://doi.org/10.1016/S0031-3203(97)00043-5
  7. X. -J. Wu, Y. -J. Zhang, L. -Z. Xia, 'A fast recurring two-dimensional entropic thresholding algorithm', Pattern Recognition, vol. 32, pp. 2005-2061, 1999 https://doi.org/10.1016/S0031-3203(97)00158-1
  8. C. H. Li, P. K. S. Tam, 'An iterative algorithm for minimum cross entropy thresholidng', Pattern Recognition Letters, vol. 19, pp. 771-776, 1998 https://doi.org/10.1016/S0167-8655(98)00057-9
  9. Y. Shao, M. Celenk, 'Higher-order spectra(HOS) invariants for shape recognition', Pattern Recognition, vol. 34, pp. 2097-2113, 2001 https://doi.org/10.1016/S0031-3203(00)00148-5
  10. K -L. Chung, W. -Y. Chen, 'Fast adaptive PNN-based thresholding algorithms', Pattern Recognition, vol. 36, pp. 2793-2804, 2003 https://doi.org/10.1016/S0031-3203(03)00138-9
  11. P. K Sahoo, G. Arora, 'Image thresholding using two-dirnentsional Tsallis-Havrda-Charvat entropy', Pattern Recognition Letters, vol. 27, pp. 520-528, 2006 https://doi.org/10.1016/j.patrec.2005.09.017
  12. Q. Huang, W. Gao, W. Cai, 'Thresholding technique with adaptive window selection for uneven lighting image', Pattern Recognition Letters, vol. 26, pp, 801-808, 2005 https://doi.org/10.1016/j.patrec.2004.09.035
  13. B. -F. Wu, Y. -L. Chen, C. -C. Chiu, 'A discriminant analysis based recursive automatic thresholding approach for image segmentation', IEICE Trans. Inf, & Syst, vol. E88-D, no. 7, pp. 1716-1723, 2005 https://doi.org/10.1093/ietisy/e88-d.7.1716
  14. K. -H. Lin, K. -M. Lam, W. -C. Siu, 'Spatially eigen-weighted Hausdorff distances for human face recognition', Pattern Recognition, vol. 36, pp. 1827-1834, 2003 https://doi.org/10.1016/S0031-3203(03)00011-6
  15. www.uk.research.att.com/facedatabase.html
  16. E. Pekalska, R. P. W. Duin, The dissimilarity representation for pattern recognition, foundations and applications, World Scientific, Singapore, pp. 1-607, 2005
  17. 김상운 'Prototype reduction schemes와 Mahala nobis 거리를 이용한 relational discriminant analysis', 대한전자공학회논문지-CI, vol. 43, no. 1, pp. 9-16, 2006. 1